Kadarsah

Meteorologi dan Sains Atmosfer

Archive for April, 2008

Analisis Wavelet Pada Bidang Meteorologi

Posted by kadarsah pada April 28, 2008

Analisis wavelet merupakan metode yang umum digunakan pada berbagai bidang disiplin ilmu, salah satunya meteorologi. Dalam meteorologi analisis wavelet dapat digunakan untuk mengetahui siklus curah hujan pada suatu kawasan serta menganalisis factor-faktor yang mempengaruhi curah hujan tersebut.

Dengan menggunakan analisis wavelet pada curah hujan bulanan (time series) disuatu daerah dapat diketahui:

1. Periode curah hujan daerah tersebut apakah setahun, setengah tahun atau memiliki periode lainnya serta kapan terjadinya.

2. Faktor yang mempengaruhi curah hujan daerah tersebut. Misalnya,periode curah hujan daerah tersebut selama setengah tahun,maka dapat disimpulkan bahwa daerah tersebut dipengaruhi monsoon (sebab periode monsoon setiap setengah tahun sekali dan daerah yang dimaksud termasuk daerah yang dipengaruhi monsoon).

3. Beberapa periode yang dominant dan tidak dominant

4. Menentukan pola curah hujan daerah tersebut apakah termasuk daerah : lokal,ekuatorial atau monsun

Sedangkan cross wavelet transform dan wavelet coherence digunakan untuk mendeteksi hubungan dalam domain frekuensi waktu antara dua time series.

Untuk melakukan analisis wavelet ini bisa digunakan fortran, IDL dan Matlab. Dalam tulisan ini digunakan matlab sebab matlab memiliki fitur yang dapat digunakan untuk analisis wavelet secara praktis dan efisien.

Wavelet transform terbagi menjadi CWT (Continous Wavelet Transform) dan DWT (Discrete Counterpart Wavelet Transform). DWT digunakan untuk mereduksi noise dan kompresi data, sedangkan CWT untuk ektrasi data. CWT digunakan untuk mendeteksi kemungkinan adanya hubungan antara dua times series secara bersamaan dan proses sebab akibat diantara keduanya. Dari dua time series tersebut dilakukan analisis Cross Wavelet Transform yang akan memunculkan fase power dan relative dalam domain frekuensi-waktu. Selanjutnya digunakan Wavelet Coherence (WTC) sehingga ditemukan coherence yang signifikan, dan memunculkan tingkat kepercayaan.

Contoh kita bisa menggunakan analisis wavelet interaktif dan dengan memasukan data time series kita bisa mengetahui hasilnya seperti contoh dibawah ini dengan menggunakan data curah hujan denpasar.dat selama tahun 1985-2006 (http://ion.researchsystems.com/IONScript/wavelet/).

Hasilnya :

KFJGF Analisis Wavelet Untuk Curah Hujan Denpasar 1985-2006

Keterangan :

a.Data time series curah hujan Denpasar 1985-2006

b.Power spektrum wavelet, menggunakan wavelet Morlet (pilihan lainnya: Paul,Gaussian,Daubechies,Haar,Coiflet,symlet). Sumbu x merupakan lokasi wavelet dalam waktu ( bulan) sedangkan sumbu y merupakan periode wavelet dalam bulan. Kontur berwarna hitam yang melingkupi background warna merah menunjukan tingkat kepercayaan 95 % dengan menggunakan global wavelet sebagai background spektrumnya. Sedangkan daerah yang di arsir disebut cone of influence atau COI. COI merupakan daerah pada spektrum wavelet dimana bagian tepinya sangat penting dan didefinisikan sebagai e-folding time untuk melakukan autokorelasi dari wavelet power pada tiap skala.

c.Global power spektrum wavelet. Terlihat bahwa titik paling kanan pada kurva tersebut menunjukan periode 12 bulan ( 1 tahun, yang merupakan periode yang paling dominan).Hal ini sesuai jika menggunakan analisis FFT menggunakan Matlab. Sedangkan periode lain muncul juga hanya dengan intensitas yang kecil.

Sebagai bahan perbandingan ,gambar dibawah merupakan hasil curah hujan Pontianak.

Analisis Wavelet untuk Curah Hujan Pontianak 1985-2006

Sedangkan analisis wavelet untuk data sunspot ( Wolfer Number) adalah:

Analisis Wavelet Untuk Data Sunspot

Analisis untuk Dipole Mode adalah:

Analisis Wavelet Untuk Dipole Mode

Selain itu,analisis wavelet dapat digunakan untuk validasi model iklim dengan cara membandingkan secara langsung hasil observasi dengan nilai hasil keluaran model yang kita gunakan. Perbandingan ini disebut kajian interkomparison yang hasilnya berupa korelasi hasil observasi dengan keluaran model. Korelasi ini sangat penting dalam kajian kinerja model, tapi tidak dalam verifikasi model. Kelebihan menggunakan analisis wavelet dalam kajian interkomparison ini adalah ( yang tidak bisa dijelaskan hanya dengan korelasi biasa):

  1. Suatu proses periodik /semiperiodik dapat terlihat jelas terakomodasi tidaknya dalam suatu model
  2. Perbandingan peran/porsi serta pengaruh sejumlah proses iklim terhadap suatu variabel iklim .
  3. Prose-proses iklim mana saja yang harus diperbaiki dan disempurnakan

Kajian lain yang menggunakan analisis wavelet:

1.SST ( kaitannya dengan El Nino-La Nina)

2.Kandungan CO2 di atmosfer

Referensi;

http://www.pol.ac.uk/home/research/waveletcoherence/

http://ion.researchsystems.com/IONScript/wavelet/

Torrence, C. and G. P. Compo, 1998: A Practical Guide to Wavelet Analysis. Bull. Amer. Meteor. Soc., 79, 61-78.

Iklan

Posted in Meteorologi, Model Meteorologi | 24 Comments »

Sekelumit Tentang Pemanasan Global

Posted by kadarsah pada April 23, 2008

 

Pemikiran tentang pemanasan global telah ada sejak dulu, tetapi tindakan nyata untuk mengantisipasinya baru dilakukan dalam dekade terakhir.

  • Rumah kaca merupakan budaya dari tuan tanah kaya Italia untuk membudiyakan sayuran dan tanaman dengan membentuk cuaca mikro. Sehingga tanaman yang tidak bisa tumbuh pada musim dingin bisa tumbuh dan menghasilkan, dengan menanamnya di rumah kaca.
  • Edme mariotte(1681) memperkenalkan sifat Matahari dan dalam penelitiannya dia mengemukakan bahwa energi sinar dan panas matahari mamapu menembus gelas dan materi transparan lainnya sedang sumber lain tidak.
  • Horace Benedict de Saussure (1760) menciptakan alat heliothermometer untuk menunjukan bahwa udara mampu menyimpan panas radiasi matahari dan sekarang disebut Efek Rumah Kaca.
  • Jean-Baptise Joseph Forier,fisikawan-matematikawan Perancis

1. Mengenalkan istilah rumah kaca 1824

2. Suhu hangat terjadi karena sebagain panas sinar matahari terjebak didalam,dan tak bisa keluar karena terhalang dinding dan atap kaca

3. Unusur gas yang paling penting CO2

4. CO2 mengontrol suhu atmosfer bumi

 

  • Svante Arrhennius (1894) menyatakan:

1. CO2 unsur terpenting yang mengontrol suhu atmosfer

2. Kadar CO2 di batuan es yang berasal dari zaman es memiliki 50 % lebih sedikit dibanding di batuan es zamannya .

3. Kenaikan suhu atmosfer beriringan dengan naiknya konsentrasi CO2

4. Mencairnya gunung-gunung es terjadi karena penambahan konsentrasi CO2 di angkasa.

  • Tahapan untuk COP:

1. Konferensi Villach,Austria,1985.

2. PBB membentuk INC kemudian United Nations Conference on Environtment and Development, di Rio de Janeiro,1992 di Brazil atau KTT Bumi. Hasil penting: konvensi PBB tentang keanekaragaman hayati dan Konvensi Kerangka Kerja PBB tentang Perubahan iklim (155 negara).

Tujuan konvensi:menstabilkan konsentrasi gas rumah kaca di atmosfer pada ke tingkat tertentu dari kegiatan manusia yang membahayakan sistem iklim.Emisi karbon di tahun 2000 harus ditekan hingga ketingkat emisi tahun 1990.

 

 

Daftar COP

  • No

Tanggal

Tempat

Presiden

1

1995

Berlin,Jerman

Angela Merkel, Jerman

2

Juli,1996

Jenewa,Swiss

Chen Chimutengwende,Zimbabwe

3

Desember,1997

Kyoto,Jepang

Hiroshi Oki ,Jepang

4

November ,1998

Buenos Aires,Argentina

Maria Julia Alsogaray,Argentina

5

Oktober-November 1999

Bonn,Jerman

Jan Szyzko,Polandia

6

November,2000

Den Haag,Belanda

Jan Pronk,Belanda

7

Oktober-November,2001

Marrakesh,Maroko

Mohamed Elyazghi,Maroko

8

Oktober-November,2002

New Delhi,India

T.R.Baalu,India

9

Desember,2003

Milan,Italia

Miklos Persanyi,Hongaria

10

Desember,2004

Buenos Aires,Argentina

Gines Gonzales Garcia,Argentina

11

Desember,2005

Montreal,Kanada

Stephane Dion,Kanada

12

November,2006

Nairobi,Kenya

Kivutha Kibwana,Kenya

13

Desember 2007

Nusa Dua,Denpasar Bali

Rahmat Witoelar,Indonesia

Baca entri selengkapnya »

Posted in Global Climate Change | Komentar Dinonaktifkan pada Sekelumit Tentang Pemanasan Global

Istilah Dalam Pemodelan Iklim

Posted by kadarsah pada April 15, 2008

Beberapa istilah dalam pemodelan iklim:

Sistem iklim: Sistem iklim adalah sistem yang membentuk iklim dan terjadi proses dan saling mempengaruhi yang terdiri dari lima komponen utama:

  • Atmosfer
  • Hidrosfer
  • Kriosfer
  • permukaan tanah(pedosfer)
  • biosfer

Model iklim: Representasi numerik sistem iklim berdasarkan atas sifat-sifat fisis, kimiawi, dan biologis komponen-komponennya, interaksi serta proses umpan baliknya, dan memperhitungkan semua atau sebagian sifat-sifatnya yang diketahui. Representasikan ini bervariasi kerumitannya (misalnya, untuk setiap komponen atau kombinasi komponen model ) dan hal ini menunjukan jumlah dimensi ruang; proses-proses fisis, kimiawi, atau biologis dan parameterisasi empiris dilibatkan.

Model iklim dapat dibagi lagi berdasarkan:

  • Struktur modelnya: model sederhana, model tingkat menengah, dan model kompleks.
  • Teknik komputasinya: model spektral dan model grid.
  • Cakupan wilayah: model iklim global,regional ,meso dan mikro.
  • Tipe kajian: model daratan, model atmosfer, model lautan, dan model kopel (gabungan dianatara ketiga model ).

Pemodelan Iklim: Merupakan proses memodelkan iklim. Proses ini memerlukan seperangkat hardware (superkomputer) dan software (software model iklim dan software pendukung lainnya). Contoh model iklim:REMO,WRF,LAM,DARLAM,GCM,CSIRO,AVN,MM5,OMEGA,MC2,BLFMESO FITNAH,COAMPS,Eta Model,RAMS,ARPS,TVM,HOTMAC. Sedangkan software pendukung biasanya berupa software untuk memvisualisasikan hasil model seperti GrADS,Ferret,Matlab,IDL, dan NCL.

Komponen Iklim: Merupakan bagian utama yang membentuk sistem iklim yang terdiri dari:

  • Atmosfer
  • Hidrosfer
  • Kriosfer
  • permukaan tanah(pedosfer)
  • biosfer

Perubahan Iklim: Proses berubahnya iklim hal ini terjadi akibat pengaruh dari komponen iklim. Pengaruh dari komponen iklim bisa berupa bertambah kuat atau lemahnya pengaruh dari masing-masing komponen iklim tersebut. Proses perubahan ini memerlukan rentang waktu dari jutaan tahun hingga puluhan tahun. Dan proses ini terjadi dalam skala ruang yang luas ( ukuran benua) hingga skala meso (ukuran kabupaten). Perubahan iklim ini berasal dari ekternal (berasal dari luar sistem iklim seperti perubahan banyaknya radiasi matahari yang mencapai puncak atmosfer dan perubahan distribusi daratan dan lautan) dan internal (berasal dari dalam sistem seperti pertambahan CO2 di atmosfer )

Klasifikasi iklim: Pembagian atau pengelompokan iklim yang terjadi di suatu tempat berdasarkan unsur iklim yang paling dominan dan hal tersebut membedakannya dengan iklim tempat lain. Terdapat dua cara utama dalam klasifikasi iklim :genetik (berdasarkan penentu iklim yaitu faktor yang menentukan dan menyebabkan iklim berbeda :radiasi, fluks kelembaban,neraca energi, pola radiasi )dan generik/empirik (berdasarkan unsur iklim atau efeknya terhadap manusia dan tumbuhan).

Contoh klasifikasi iklim genetik:Flohn (1950),Strahler (1969),sedangkan klasifikasi iklim generik/empirik:Koppen (1936),Thornthwaite 91948) dan Miller (1965).

Prediksi iklim: merupakan prakiraan kondisi iklim dimasa yang akan datang dengan mempertimbangkan faktor-faktor yang mempengaruhi iklim dimasa datang , masa sebelumnya dan masa sekarang. Skala yang digunakan bisa musiman, tahunan, atau jangka panjang.

Proyeksi Iklim: Merupakan representasi kondisi iklim masa datang berdasarkan skenario iklim yang digunakan.Hasilnya bergantung pada berbagai skenario yang digunakan dengan melibatkan aspek:ekonomi,sosial,budaya,politik,kebijakan pemerintah dan teknologi di masa mendatang yang mungkin atau tidak bisa direalisasikan. Contohnya apa yang dihasilkan oleh IPCC dalam memproyeksikan kenaikan suhu global berdasarkan skenario yang berbeda.

Garis warna merah merupakan proyeksi iklim dari skenario iklim berdasarkan emisi IPCC 1992 business as usual. Garis warna biru menunjukan proyeksi iklim dari skenario iklim berdasarkan emisi yang disepakati di Protokol Kyoto sampai tahun 2015, setelahnya emisi kembali meningkat. Garis kuning menunjukan proyeksi iklim berdasarkan emisi yang dijaga konstan oleh negara maju ( Annex B) setelah tahun 2015,dan garis hijau merupakan proyeksi iklim berdasarkan pengurangan emisi sebesar 1 % per tahun setelah tahun 2015. Proyeksi iklim diatas tidak menyertakan skenario pengurangan emisi dari negara berkembang.

Skenario Iklim: Representasi berbagai kemungkinan iklim yang akan datang berdasarkan berbagai input yang berbeda-beda. Representasi ini dilakukan dengan melakukan simulasi iklim. Contoh skenario iklim yang dilakukan oleh IPCC tentang perubahan temperatur yang berkaitan dengan perbedaan emisi , seperti gambar diatas . Skenario ini penting untuk mengetahui langkah antisipasi yang harus dilakukan oleh masyarakata dunia. Jelas dengan kondisi diatas pengurangan emisi 1 % per tahun dari negara maju menunjukan perbedaan yang signifikan jika dibandingkan dengan skenario lainnya.

Simulasi Iklim: representasi proses iklim dengan cara meniru proses iklim yang terjadi sebenarnya. Proses simulasi iklim saat ini dilakukan dengan menggunakan superkomputer untuk menghemat waktu perhitungan.

Tipe Iklim/Jenis Iklim: Merupakan hasil dari klasifikasi iklim berdasarkan unsur iklim yang paling dominan dan menentukan iklim di suatu daerah. Contohnya menurut Koppen , dunia dibagi menjadi lima tipe iklim utama berdasarkan curah hujan,suhu dan ciri musimannya:

  • A:iklim hujan trofis
  • B:iklim kering
  • C:iklim hujan sedang panas
  • D:iklim hutan salju sejuk
  • E:iklim kutub

Unsur Iklim: Parameter dari iklim yang digunakan untuk klasifikasi iklim sehingga menghasilkan tipe iklim. Contoh unsur iklim: curah hujan,temperatur,kelembapan dan angin.

Posted in Model Meteorologi | 10 Comments »

Hari Meteorologi Sedunia Sebuah Catatan Menyambut Bencana

Posted by kadarsah pada April 14, 2008

Oleh Paulus Agus Winarso

Baca entri selengkapnya »

Posted in Meteorologi, Sains atmosfer, Umum | Leave a Comment »

Klinik Meteorologi

Posted by kadarsah pada April 14, 2008

Apa bedanya hujan es dan hujan salju?

Jelas berbeda kalau hujan es terbentuk dari titik-titik air yang membeku (proses pembekuan ) sedangkan kalau salju terbentuk dari titik-titik air dan berubah menjadi kristal tanpa melalui bentuk cair (proses kristalisasi).

Salju memiliki bentuk kristal yang berbeda-beda tetapi memiliki ciri khas berupa 6 sisi atau 6titik dengan bentuk yang pih, sementara bentuk es bulat.

Posted in Klinik Meteorologi dan Iklim | 3 Comments »

Bencana Meteorologi

Posted by kadarsah pada April 14, 2008

Bencana meteorologi merupakan bencana yang diakibatkan oleh parameter-parameter (curah hujan,kelembaban,temperatur,angin) meteorologi. Contoh bencana meteorologi adalah:

  • Kekeringan
  • Banjir
  • Badai :Badai angin,badai petir,badai es,badai salju
  • Kebakaran hutan
  • El Nino
  • La Nina
  • Longsor
  • Tornado
  • Angin puyuh,topan,angin puting beliung
  • Gelombang dingin
  • Gelombang panas
  • Angin fohn :Angin gending,angin brubu,angin bohorok,angin kumbang

Bencana tersebut dimasukan kedalam bencana meteorologi karena bencana diatas disebabkan atau dipengaruhi oleh faktor-faktor meteorologi. Yang menjadi kontraversi adalah kebakaran hutan. Kebakaran hutan yang terjadi umumnya disebabkan oleh aktivitas manusia yang sengaja membakar hutan untuk pembukaan lahan.

Dalam kajian ini, kebakaran hutan yang dimasukan ke dalam bencana meteorologi adalah kebakaran hutan yang disebabkan oleh faktor alam. Kebakaran hutan ini dapat terjadi ketika kekeringan yang sangat kuat, angin yang bertiup kencang, kelembaban rendah dan dengan adanya gesekan antara dedaunan dan semak belukar yang sangat kuat menyebabkan terjadilah kebakaran hutan.

Bencana meteorologi diatas dapat menyebabkan kerugian berupa harta,benda dan jiwa manusia. Hal yang dapat kita lakukan adalah memprediksi peristiwa bencana meteorologi tersebut dan berusaha untuk mengurangi potensi terjadinya bencana tersebut sebatas yang bisa dilakukan. Mengurangi potensi bencana meteorologi, contohnya dapat dilakukan terhadap bencana banjir, misalnya membuat sistem drainase yang baik dan pengelolaan tata lingkungan yang baik. Prediksi bencana meteorologi dilakukan untuk mempersiapkan kondisi manusia dalam menghadapinya, sehingga ketika terjadi bencana telah siap untuk menghadapinya.

Gelombang panas merupakan salah satu bencana meteorologi yang sering terjadi di daerah lintang tinggi. Bencana ini berupa hembusan angin dengan temperatur yang sangat tinggi, hal yang berkebalikan terjadi saat terjadi gelombang dingin. Dua kondisi tersebut dapat menimbulkan korban jiwa dan menimbulkan kerugian material lainnya.

Posted in Meteorologi, Natural Hazard, Sains atmosfer | Leave a Comment »

Cuaca Ekstrim

Posted by kadarsah pada April 9, 2008

Cuaca: merupakan keadaan atau fenomena fisik atmosfer di suatu tempat,pada waktu tertentu dan berskala jangka pendek.

Sehingga cuaca ekstrim merupakan keadaan atau fenomena fisik atmosfer di suatu tempat,pada waktu tertentu dan berskala jangka pendek dan bersifat ekstrim.

Beberapa peristiwa yang termasuk cuaca ekstrim:

Angin ribut/angin puyuh/puting beliung dan dikatakan termasuk cuaca ekstrim jika memiliki kecepatan > 34 knot.

Hujan lebat yang memiliki curah hujan dalam 1 hari > 50 mm.

Tinggi gelombang laut yang mencapai > 2 m

Badai tropis yang terjadi didaerah trofis dan menimbulkan kerusakan.

Tornado

Badai: Gangguan pada atmosfer suatu planet dan mempengaruhi permukaan serta menunjukkan cuaca buruk. Badai terjadi ketika pusat tekanan rendah terbentuk yang dikelilingi oleh suatu sistem bertekanan tinggi. Gaya yang terjadi memiliki sifat berlawanan dan dapat menciptakan angin serta membentuk awan badai. Badai memiliki kategori ( berdasarkan peristiwa dominan yang menyertainya):

1. Badai angin:Badai yang disertai oleh angin kencang.

2. Badai petir : Badai yang disertai oleh petir dan kilat

3. Badai es: Badai yang disertai oleh es.

4. Badai Salju : Badai yang disertai oleh salju.

5. Badai pasir : Badai yang disertai oleh pasir.

Angin Monsun: Angin monsun yang terjadi dan menyebabkan curah hujan yang sangat lebat. Hal ini menyebabkan salah satu daerah di India, perbukitan Cherrapunji menjadi daerah terbasah di dunia dengan curah hujan 12-25 m/tahun.

Kekeringan: suatu kondisi dimana diamana terjadi kesenjangan antara ketersediaan air dan air yang dibutuhkan.

Referensi:

Film Extreme Weather, Discovery Channel.

http://lwf.ncdc.noaa.gov/oa/climate/severeweather/extremes.html

http://www.extremescience.com/weatherport.htm

http://en.wikipedia.org/wiki/List_of_extreme_weather_events

http://lwf.ncdc.noaa.gov/oa/climate/severeweather/rainfall.html

http://en.wikipedia.org/wiki/Extreme_weather

Posted in Sains atmosfer | Komentar Dinonaktifkan pada Cuaca Ekstrim

DIPOLE MODE

Posted by kadarsah pada April 3, 2008

  • Dipole mode disingkat DM merupakan fenomena yang mirip dengan ENSO tetapi terjadi di Samudera Hindia. Peristiwa dipole mode ditandai adanya perbedaan anomali suhu permukaan laut (SPL) antara Samudera Hindia tropis bagian barat (50 oE – 70 oE, 10 oS – 10 oN) dengan Samudera Hindia tropis bagian timur (90 oE – 110 oE, 10 oS – ekuator). Anomali SPL ini memiliki kondisi yang lebih dingin dari normal dan muncul dipantai barat Sumatera (Samudera Hindia bagian timur), sementara di Samudera Hindia bagian barat terjadi pemanasan dari biasanya.
  • Jenis DM dibagi berdasarkan SPL antara Samudera Hindia tropis bagian barat (50 oE – 70 oE, 10 oS – 10 oN,kotak A) dengan Samudera Hindia tropis bagian timur (90 oE – 110 oE, 10 oS – ekuator,kotak B) pada Gambar 1.
  • Dipole mode dibagi menjadi menjadi DM(+) dan DM (-).

DM(+):anomali SPL Samudera Hindia tropis bagian barat lebih besar daripada di bagian timurnya akibatnya terjadi peningkatan curah hujan dari normalnya di pantai timur Afrika dan Samudera Hindia bagian barat sedangkan di Benua Maritim Indonesia (BMI) mengalami penurunan curah hujan dari normalnya yang menyebabkan kekeringan.

DM(-):Fenomena yang berlawanan dengan kondisi DM(+) seperti yang dikemukakan Ashok et al., (2001a).

  • DM terjadi secara independen dengan ENSO dan merupakan fenomena kopel atmosfer-laut yang unik di Samudera Hindia tropis (Saji et.al, 1999; Ashok et.al, 2001a).
  • Variasi dampak dipole mode interaksinya dengan monsun sangat beragam dan merupakan fungsi waktu dan tempat.
  • Untuk mengetahui kekuatan Dipole Mode maka dapat dihitung dengan indeks yang disebut dengan Indeks Dipole Mode yang digunakan oleh Saji (1999).Indeks ini berupa dipole anomali SPL yang didefinisikan sebagai perbedaan anomali SPL Samudera Hindia bagian barat (50o – 70o BT, 10o LS – 10o LU) dan Samudera Hindia bagian timur (90o – 110o BT, 10o LS – ekuator),seperti Gambar 1.
  • Tahapan Siklus DM:
  1. Muncul anomali SPL negatif di sekitar selat Lombok hingga selatan Jawa pada bulan Mei – Juni, bersamaan terjadi anomali angin tenggara yang lemah di sekitar Jawa dan Sumatera.
  2. Anomali terus menguat (Juli – Agustus) dan meluas sampai ke ekuator di sepanjang pantai selatan Jawa hingga pantai barat Sumatera. Kondisi diatas dibarengi munculnya anomali positif SPL di Samudera Hindia bagian barat. Adanya dua kutub di Samudera Hindia ekuator ini, semakin memperkuat anomali angin tenggara di sepanjang ekuator dan pantai barat Sumatera.
  3. Siklus mencapai puncaknya pada bulan Oktober, dan selanjutnya menghilang dengan cepat pada bulan November – Desember.
dm-1.jpg

Karena memiliki sifat fasa yang sistematik secara musiman, maka analisa komposit DM dapat dilakukan (Saji et.al. 1999) dengan tujuan agar dapat mendeskripsikan evolusi DM terkopel kuat (warna biru) dengan variabilitas angin ekuatorial (warna merah) di Samudera Hindia ekuator bagian timur (70o – 90oBT, 5oLS – 5oLU) seperti diperlihatkan pada Gambar 2.

· Kejadian DM sejak 1958 yang diidentifikasi berdasarkan deret waktu DM (warna biru), selain itu juga diberikan deret waktu anomali SPL Niño 3 (150o – 90o BB, 5o LS – 10o LU) untuk memperlihatkan kaitan antara DM dengan El Niño (warna hitam). Sedangkan garis warna merah merupakan angin ekuatorial rata-rata di atas Samudera Hindia bagian timur. (Gambar 3)

· Pada saat terjadi DM, curah hujan di Afrika berada di atas normal sedangkan di Indonesia terjadi penurunan dari kondisi normalnya (Saji et.al., 1999; Ashok et al., 2001).

· Saat DM terjadi penurunan curah hujan di atas daerah konvergensi tropis samudera atau DKTS dan peningkatan curah hujan di Samudera Hindia tropis bagian barat.

· Saat DM terjadi, SPL di lepas pantai Sumatera yang mulai mendingin akan menyebabkan konveksi di DKTS menjadi melemah sehingga terjadi perubahan tekanan udara permukaan yang membuat angin pasat tenggara meluas dan konvergen ke arah downstream. Perubahan ini mempertajam konvergensi medan angin skala besar dan suplai uap air ke arah perluasan downstream di ujung daerah angin pasat, sehingga memperbesar presipitasi ke arah barat laut dari posisi normal DKTS. Perluasan angin pasat yang tidak normal ini juga menghentikan suplai panas normal ke lepas pantai Sumatera. Perluasan angin pasat yang tidak normal dengan komponen timuran sepanjang ekuator dengan cara mencegah intrusi arus ekuator, memungkinkan proses pendinginan mendominasi Indonesia (Saji et.al, 1999).

· DM merupakan fenomena sistem kopel atmosfer-laut yang memiliki mekanisme fisis yang mirip dengan ENSO, akan tetapi secara statistik tidak bergantung pada ENSO (Saji et al., 1999; Webster et al., 1999; Ashok et al., 2001).

· Ketidakbergatungan DM terhadap ENSO salah satunya ditunjukkan oleh adanya kejadian DM yang independen terhadap ENSO seperti tahun 1961 dan 1967 (Saji et.al, 1999).

· Godfrey et al., (2002), korelasi DM-ENSO tergantung pada evolusi kejadiannya yang ditunjukkan dari musim ke musim dimana diperoleh korelasi yang kuat terjadi pada bulan September-Oktober.

· Skema pola ENSO Indo-Pasifik (Gambar 4) terdiri dari :

1) Anomali SPL ENSO Pasifik

2) Dipole anomali SPL timur-barat Samudera Hindia ekuatorial

3) Dipole anomali osilasi utara-selatan Samudera Hindia

4) Dipole anomali SPL di Pantai Amerika utara

5) Dipole anomali SPL di pantai Benua Asia (Pasifik barat daya).

· Kejadian El Niño tahun 1997-1998 yang cenderung menimbulkan kekeringan di India tetapi dikurangi pengaruhnya oleh DM(+) yang terjadi bersamaan dengan El Niño (Ashok et al., 2001a).Fenomena ini menunjukan DM tidak hanya berpengaruh pada sirkulasi zonal (timur-barat) tetapi juga pada sirkulasi meridional (utara-selatan).

Sedangkan pola osilasi indeks DM memiliki puncak pada 18,36,48 bulan,seperti yang ditunjukan Gambar 5.

dm-21.jpg

Dengan menggunakan FFT (salah satunya ada di matlab) bisa diketahui periode curah hujan suatu stasiun, dan ketika diketahui periodenya ( misal 18 atau 36 bulanan) maka kemungkinan besar curah hujan distasiun tersebut dipengaruhi oleh DM mengingat DM memiliki perioda 18,36 dan 48 bulan. Jika terdapat pengaruh lainnya maka dilakukan proses FFT yang beberapa kali sehingga bisa menyaring siklus yang di inginkan dan membuang siklus yang tidak diperlukan.

Untuk lebih jelas tentang DM(+) dan DM (-) maka dapat dilihat gambar dibawah ini yang berasal dari JAMSTEC.

Bacaan lebih lanjut:

· Saji, N.H, B.N. Goswami, P.N. Vinayachandran, and T.Yamagata, 1999, A Dipole Mode in the Tropical Indian Ocean, Nature, 401, 360-363.

· Ashok, K., Z. Guan, and T. Yamagata, 2001a, Impact of the Indian Ocean Dipole on the Relationship between the Indian Monsoon Rainfall, Geophys.Res.Lett.
·
Yu, Jin-Yu, and J. C. McWilliams, 2001, http://www.ogp.noaa.gov//mpe/clivar/pacific/fy99/yu/yu99.htm

· Godfrey, S., Y. Masumoto, P. Hacker, G. Meyer, D. Susanto, P.N. Vinayachandran, and P.J. Webster, 2002, Review of Monsoons, Interannual Variability and Decadal Trends that underpin Climate Prediction, (http://www.marine.csiro.au/)

Posted in Meteorologi | 27 Comments »

APLIKASI MATLAB UNTUK METEOROLOGI

Posted by kadarsah pada April 2, 2008

Aplikasi FFT Untuk Menghitung Periodisitas Curah Hujan

Berikut contoh data curah hujan bulanan Stasiun Denpasar.

ch-denpasar85-06.jpg

Grafik di atas dinamakan denpasar.txt, sehingga untuk menampilkan ketik

Load denpasar.dat

Ch=denpasar(:,1)

Plot(ch)

Selanjutnya kita ingin mengetahui berapa periode siklus curah hujan di Denpasar tersebut. Untuk mengetahui hal tersebut digunakan FFT yang terdapat di MATLAB.

Tahapann penulisan di Matlab sebagai berikut:

Y = fft(ch);

Y(1)=[];

plot(Y,’ro’)

title(‘Fourier Coefficients in the Complex Plane’);

xlabel(‘Real Axis’);

ylabel(‘Imaginary Axis’);

Hasilnya seperti Gambar (a).

data-1.jpg

Besarnya magnitude dari Y disebut power. Selanjutnya kita memplot power ini dengan frekuensi dan hasilnya disebut periodogram.

n=length(Y);

power = abs(Y(1:floor(n/2))).^2;

nyquist = 1/2;

freq = (1:n/2)/(n/2)*nyquist;

plot(freq,power)

xlabel(‘siklus/bulan’)

title(‘Periodogram’)

Hasilnya seperti Gambar (b).

Untuk lebih memfokuskan analisi maka perlu di potong rentang yang memuat power yang besar (mencuat).Dalam hal ini rentangnya 0-0.2.

plot(freq(1:50),power(1:50))

xlabel(‘siklus/bulan’)

Hasilnya seperti Gambar (c).

Selanjutnya untuk mempermudah analisis, kita memplot dalam satu siklus memerlukan waktu berapa bulan.

period=1./freq;

plot(period,power);

ylabel(‘Power’);

xlabel(‘Period (bulan/siklus)’);

Hasilnya seperti Gambar (d).

Gambar diatas terlalu lebar sehingga kita persempit menjadi.

axis([0 50 0 4e+8]);

Hasilnya seperti Gambar (e).


hold on;

index=find(power==max(power));

mainPeriodStr=num2str(period(index));

plot(period(index),power(index),’r.’, ‘MarkerSize’,25);

text(period(index)+2,power(index),[‘Period = ‘,mainPeriodStr]);

hold off;

Hasilnya seperti Gambar (f).

Sehingga dapat disimpulkan bahwa periode curah hujan di Stasiun Denpasar memiliki periode 12 bulan .Tapi hasil ini masih memiliki kelemahan, sehingga digunakan wavelet.

Transformasi wavelet memiliki kelebihan’

1. mendeteksi fluktuasi-fluktuasi periodik yang bersifat transient beserta parameternya.

2. Mampu memusatkan perhatian pada suatu rentang waktu terbatas dari data yang ada.

3. menggambarkan proses dinamik nonlinear komplek yang diperlihatkan oleh interaksi gangguan dalam skala ruang dan waktu.

Transformasi Fourier

1. Sinyal yang diukur berupa fungsi waktu (independent) dan dependen (biasanya amplitudo).

2. Informasi penting biasanya tersembunyi dalam konten frekuensi sinyal tersebut.

3. Spektrum frekuensi suatu sinyal merupakan komponen frekuensi (komponen spektral( dari sinyaltersebut.

4. Spektrum frekuensi suatu sinyal menunjukan frekuensi apa yang ada di sinyal tersebut.

5. Transformasi fourier memberi konten spektral sinyal, tetapi tidak memberi informasi kapan waktu komponen spektral itu muncul.

6. Transformasi Fourier hanya sesuai untuk sinyal stasioner.

7. Dapat digunakan untuk non stasioner jika kita tidak memerlukan informasi waktu dari suatu frekuensi.

8. Sinyal hujan merupakan contoh sinyal yang dipengaruhi banyak komponen diantaranya’QBO,EL Nino, Dipole Mode dlln. Dengan transformasi fourier kita dapat mengetahui informasi frekuensi sinyal hujan tersebut dan seberapa kuat amplitudonya.

9. Untuk masing-masing frekuensi memiliki satu nilai amplitufo

10. sumbu frekuensi dari nol sampai tak terhingga

11. Sinyal non stasioner memiliki fase yang stasioner pada rentang waktu yang sempit/kecil dan hal tersebut bisa dilihat dengan fungsi jendela atau short term fourier transform (STFT)

12. STFT memiliki kelemahan nyaitu penggunaan jendela yang tetap (padahal segmen stasioner tidak selalu sama. Resolusi frekuensi yang didapat hanya konten dari sinyal pada jendela tersebut bukan frekuensi secara utuh.

13. Dennis Gabor (1946) melakukan teknik STFT seperti Gambar (g).

data-2-apli.jpg

Suatu sinyal yang tidak stasioner dianalisis dengan menggunakan jendela sehingga didapatkan sinyal yang stasioner. Tetapi terdapat kelemahan, sehingga muncul ide untuk menggunakan transform wavelet seperti yang di tunjukan Gambar (h)

Sehingga kalau dirangkum analisis sinyal setidaknya bisa di lakukan dengan empat cara (time domain oleh Shannon;frekuensi domain oleh fourier;STFT (Gabor) dan analisis wavelet (Gambar i)

Supaya lebih mudah dipahami bisa terlihat dari perbandingan hasil transform suatu sinyal dengan menggunakan fourier transform dan wavelet transform,seperti yang ditunjukan Gambar (j)

Untuk lebih detail waktu terjadinya periode tersebut maka digunakan wavelet sebab Fourier hanya menunjukan besarnya frekuensi dan tidak waktu terjadinya.

Posted in Meteorologi | 23 Comments »

Skema Konveksi di Indonesia Dan Pemodelan Skala Meso

Posted by kadarsah pada April 1, 2008

Indonesia sebagai bagian wilayah teerbasah didunia, dengan total CH tahunan > 2000 mm, bahkan ada yang mencapai lebih dari 3000 mm. skema konveksi adalah perumusan proses konveksi atmosfer melalui parameter-parameter terkait, sebagai bentuk penyederhanaan proses konveksi sesungguhnya yang terjadi di alam. Perbedaan skema satu dengan yang lainnya lebih banyak ditentukan oleh perbedaan asumsi dalam menggambarkan proses konveksi.

Pertukaran kelembaban,panas, dan momentum antara permukaan atmosfer dengan lapisan diatasnya dan antara laut dengan atmosfer yang memiliki arti penting dalam pembentukan awan berlangsung di Lapisan Batas Atmosfer. Sehingga kajian tentang lapisan ini sangat penting terutama kaitannya dengan proses konveksi. Konveksi di Indonesia aktif pads siang hari,di tandai dengan nilai maksimum OLR pada tengah hari sesaat setelah terjadi radiasi maksimum radiasi matahari ( radiasi gelombang pendek). Laut pAsifik dan India terletak di ekuato, tetapi proses konveksi tidak seaktif di Indonesia. Aktivitas konveksi lautan lebih aktif dibanding dengan daratan dan dengan variasi yang besar. Hal tersesbut terjadi juga dengan CH yang dominan terjadi pada siang hari dan variasi tinggi. CH di ekuatorial lebih tinggi dibanding lintang lainnya hal ini disebabkan karena ekuatorial menerima lebih banyak sinar matahari sepanjang tahun, sehingga udara lebih hangat. Dengan udara yang lebih hangat ( massa jenis kecil,kapasitas kelembaban yang tinggi dibanding udara dingin), sehingga menghasilkan awan dengan CH yang tinggi. Hal ini diperkuat dengan kelembaban yang juga sangat tinggi.

1. Skema Kuo paling sederhana digunakan di GCM ( Global Climate Model/General Circulation Model), CSIRO (Commenwealth Scientific and Industrial Research Organization), DARLAM (Division of Atmospheric Research Limited Area Model).

2. Skema Arakawa-Schubert digunakan di AVN (Aviation Model Forecast),NCEP, RUC (The Rapid Update Cycle).

3. Skema BMJ (Betts-Miller-Junjic) digunakan oleh Eta/NCEP

4. Skema Grell digunakan oleh MM5 (Mesoscale 5)

5. Skema Anthes~Kuo sangat baik dalam menentukan CH total dan maksimum.

6. skema Grell dan Kain-Fritsch sangat baik menirukan pola hujan.

7. Parameterisasi konvektif dangkal berfungsi untuk mempertahankan sirkulasi Hadley dalam GCM dan sirkulasi global.

8. Skema konveksi yang tidak menggunakan downdraught dan entrainment massa memiliki dampak pada distribusi hujan rata-rata dan memindahkan ITCZ di Pasifik Barat.

9. Skema BMJ dalam Eta Model tidak dapat memperkirakan konveksi di wilayah barat, karena terjadi perbedaan sifat konveksi di pegunungan dengan lautan.

10. SCm I Single Coulom Model) dan Skema Arakawa-Schubert menghasilkan distribusi jumlah awan vertikal yang lebih realistik dibandingkan CCM3 ( Community Climate Model versi 3).

11. Simulasi dengan MM5 pada domain besar dengan resolusi 15 km sangat berguna untuk kajian konveksi tropik dan interaksinya dengan sirkulasi skala besar.

12. Uji skema konveksi menunjukan bahwa peningkaan resolusi model menyebabkan CH prediksi menjadi lebih kecil

13. Skema kuo dalam DARLAM menunjukan CH > Skema arakawa dan Liquid Water

14. Skema Zhang & Mc Farlane dalam NCAR CCM3.6 menghasilkan varibilitas intra musiman < pengamatan ( angin dan hujan). Sedangkan Skema Hack lebih tinggi, skema McRAS lebih realistik dalam variabilitas angin dan variabilitas CH yang lebih rendah di banding pengamatan.

15. Skema Kuo, curah hujan diperkirakan dengan massa konvektif sepanjang kolom konvektif dari dasar awan s.d puncak awan. Dasar awan ditentukan diidentifikasi dengan nilai kelembaban relatif tertentu, sedangkan puncak awan diperkirakan melalui stabilitas atmosfer.

16. Skema Betts-Miller mensyaratkan sounding sebagai kondisi awal, proses konveksi selanjutnya mengacu pada profil klimatologi.

17. Skema AS,menyertakan efek detrainment kelembaban dari awan-awan konvektif,pemanasan dari subsidensi lingkungan, dan stabilitas konvektif dalam keseimbangannya dengan laju destabilisasi skala besar.

18. Skema Grell merupakan Skema AS dalam versi awan tunggal.

19. skema Kain-Fritsch mencakup model awan dengan faktor entrainment,updraft dan downdraft

20. Faktor tumbukan,koalisi dan koalisesnsi serta ukuran tetes dicakup dalam pendekatan mikrofisika awan.


Berikut beberapa contoh Model Meso yang dirangkum dalam sebuah tabel serta skema konveksi jenis apa yang digunakan.

OMEGA

Nama

The operational Multiscale Environment Model with Grid Adaptivity (OMEGA)

Pencipta

Dr.David Bacon

Institusi

Science Applications International Corporation

Group

Science Applications International Corporation

Persamaan

Kompresibel,nonhidrostatik,persamaan primitif

Dimensi

3-D prognostic

Grid

Variabel resolusi tidak terstruktur dan grid yang adaptif

Resolusi minimum horisontal

1km

Resolusi vertikal

1km- 10 meter

Model domain

Fleksibel

Inisialisasi

Input data mentah dari NOGAPS,MRF,NGM dan ETA dengan analisis dari rawinsonde dan obervasi permukaan dalam banyak format berbeda

Teknik solusi

skema numerik menggunakan teknik volume terbatas dengan skema adveksi Smolarkiewicz yang dimodifikasi untuk penggunaan grid triangular yang tak terstruktur

Sistem koordinat

Sistem Rotating Cartesian yang berasal dari pusat bumi

Boundary lateral

Open boundary dengan skema radiasi

Top Boundary

Lapisan batas yang jelas

Permukaan Boundary

Panas,momentum,dan fluks ditentukan melalui interaksi udara yang terus-menerus

Parameterisasi subgrid campuran

2.5 tingkat k-ɛ model

Parameterisasi cumulus

Modifikasi skema Kuo

Parameterisasi Radiasi

skema Sasamori

Parameterisasi Kestabilan Presipitasi

Parameterisasi bulk water Lin (1983)

Contoh fenomena

simulasi Hurricane,cuaca badai gurun pasir,dispersi dari topografi yang komplek


MC2

Nama

MC2

Pencipta

Robert Benoit

Institusi

Recherce en Prevision Numerique Environment Canada

Group

Limited Area Model

Persamaan

Persamaan Euler Nonhydrostatik

Dimensi

3-D

Grid

Arakawa-C

Resolusi minimum horisontal

~ 500 m

Resolusi vertikal

Beberapa ratus meter

Model domain

Area terbatas

Inisialisasi

Dinamik

Teknik solusi

Semi implisit,semi-langrangian,

Sistem koordinat

Proyeksi conformal (polar stereographic,mercator),Gal-Chen vertical koordinat

Boundary lateral

Open boundary dengan skema Staniforth

Top Boundary

Batas yang kuat dan memancar

Permukaan Boundary

Force-restore/ISBA/CLASS land-surface skema

Parameterisasi subgrid campuran

TKE dengan orde 1.5

Del4 difusi dalam fluida interior

Parameterisasi cumulus

Hanya untuk resolusi rendah:Kuo,Fritsch-Chappell,Kain-Fritsch dan Arakawa-Schubert

Parameterisasi Radiasi

Solar dan Infrared radiasi (Fouquart dan Bonnel,1980)

Parameterisasi Kestabilan Presipitasi

Kong-Yau 2-ice mikrophysics dan skema Tremblay mixed-phase

Contoh fenomena

Chinook,Foehn,hujan orografik,banjir bandang


BLFMESO

Nama

Boundary-Layer Mesoscale Forecast Model (BLFMESO), edisi 3

Pencipta

S.M.Daggupaty

Institusi

Meteorology Service of Canada Air Quality Research Branch ( formerly Atmospheric Environment Service )

Group

Meteorology Service of Canada Air Quality Research Branch

Persamaan

Hidrostatik,persamaan primitif

Dimensi

3-D

Grid

Fleksibel.Indentik dalam x dan y, kecuali grid vertikal. 81 x 81 grid horisontal dan 10 grid vertikal

Resolusi minimum horisontal

5 km

Resolusi vertikal

Tidak sama .Resolusi tinggi identik dengan permukaan, rentang 1.5 m -3000 meter.

Model domain

400 km x 400 km horisontal, 3 km vertikal

Inisialisasi

Analisis data regional Canada dengan weather forecast yang di interpolasi model grid dan dinamik 1-D

Teknik solusi

Metode beda implisit terbatas,semi implisit untuk adveksi vertikal dan difusi.

Sistem koordinat

Proyeksi Koordinat UTM

Boundary lateral

Time-dependent boundary lateral

Top Boundary

Bergantung pada variabel tertentu saat t= 0

Permukaan Boundary

No slip untuk angin permukaan, force-store metode untuk neraca energi dan prediksi temperature permukaan, teori similarity untuk parameter permukaan, panas, dan momentum. Kekasaran topografi permukaan diperhitungkan.

Parameterisasi subgrid campuran

Teori kesamaan permukaan di lapisan permukaan,koefisien berdasarkan metode O`Brien pada PBL

Parameterisasi cumulus

Tidak ada

Parameterisasi Radiasi

Tidak ada

Parameterisasi Kestabilan Presipitasi

Tidak ada

Contoh fenomena

Skala meso-ɞ, land/sea breeze,kualitas udara,pengendapan gas dan partikel udara,arus lembah dan gunung


FITNAH

Nama

FITNAH

Pencipta

Dr.Gunter Gross

Institusi

Departemen of Meteorology,University Hannover,German

Group

Guter Gross

Persamaan

Navier-Stokes,Non-hidrostatik,Boussinesq-approximation

Dimensi

3-D

Grid

Arakawa-C

Resolusi minimum horisontal

1-100 m

Resolusi vertikal

Permukaan:1-10 m, lapisan atas :̴1000 m

Model domain

1km x 1km, 50 km x 50 km

Inisialisasi

Variasi teknik dan diastrofi

Teknik solusi

Waktu dengan metode:forward,leapfrog. Ruang dengan metode :tengah,adveksi dan upstream

Sistem koordinat

Metode Gross

Boundary lateral

Tetap, turunan tertentu dan kondisi radiasi

Top Boundary

Damping layer

Permukaan Boundary

Neraca energi permukaan untuk temperature menurut Gross(1986)

Parameterisasi subgrid campuran

Orde kesatu dengan K berasal dari energi kinetik turbulensi

Parameterisasi cumulus

Gross (1986)

Parameterisasi Radiasi

Aproksimasi dua arah ,Gross (1986)

Parameterisasi Kestabilan Presipitasi

Gross (1986), Skema Kessle untuk presipitasi

Contoh fenomena

Aliran udara di topografi yang komplek


COAMPS

Nama

COAMPS

Pencipta

Dr.Richard M.Hodur

Institusi

Naval Research Laboratory

Group

Naval Research Laboratory, Marine Meteorology Division; R.Hodur,S.Chen,J.Doyle,T.Holt,J.Schmidt

Persamaan

Persamaan kompresibel nonhidrostatik

Dimensi

3-D

Grid

Arakawa-C mendukung nesting

Resolusi minimum horisontal

Fleksibel. Menggunakan data real,tipe resolusi 1-81 km, dalam LES mode, resolusi minimum 1 m

Resolusi vertikal

Fleksibel.Koordinat sigma, 20 m-beberapa ratus meter (̴10 mb) dengan elevasi 30 -120 lapisan

Model domain

Fleksibel.Pengguna bisa menentukan luasan yang dinginkan sendiri.

Inisialisasi

3-D multivariasi dengan analisis interpolasi optimum angin dan ketinggian, analisis Cressman untuk temperature dan kelembapan,2-D dengan analisis interpolasi optimum SST.

Teknik solusi

Time-Splitting, formula ekplisit untuk adveksi, semi implicit untuk penyebaran gelombang bunyi secara vertical dan frekuensi Brunt-Vaisala. Orde 4 untuk difusi dan orde 2 untuk semua proses

Sistem koordinat

Sistem koordinat x,y, dan grid horisontal global yang dapat digunakan untuk proyeksi:polar stereographic,Lambert conformal,mercartor,spherical dan kartesian.

Boundary lateral

Skema Davies atau Perkey-Krietzberg untuk data real. Untuk data yang ideal:periodic,radiasi,tetap dan no-slip

Top Boundary

W=0

Permukaan Boundary

Force-restore slab soil model,fluks permukaan,parameter khusus permukaan (albedo,kekasaran permukaan,ketinggian dan garis pantai)

Parameterisasi subgrid campuran

Level 2.5 Mellor-Yamada

Parameterisasi cumulus

Kain-Fritsch atau Kuo

Parameterisasi Radiasi

Harshvardhan

Parameterisasi Kestabilan Presipitasi

Rutledge-Hobbs

Contoh fenomena

Coastal jet, rainbands,barrier jet,interaksi coupling udara-laut, aerosol, siklon tropis,fron temperature permukaan, siklon ekstratropika, gelombang gravitasi, topografi jet,

MM5

Nama

MM5

Homepage

http://www.mmm.ucar.edu/mm5/mm5-home.html

Pencipta

Ying-Hwa Kuo dan Jimy Dudhia

Institusi

NCAR/MMM Division

Group

NCAR/MMM Division

Persamaan

Persamaan primitive nonhidrostatik, persamaan hidrostatik

Dimensi

3-D

Grid

Arakawa-B grid

Resolusi minimum horisontal

500m-1 km

Resolusi vertical

Fleksibel

Model domain

Global, dapat digunakan menjadi multiple nesting

Inisialisasi

Integrasi divergensi

Teknik solusi

Waktu:time-splitting leapfrog, Ruang: orde-2

Sistem koordinat

Sigma

Boundary lateral

Relaksasi

Top Boundary

Rigid/Radiatif

Permukaan Boundary

Friksi dan fluks menggunakan teori similarity dan memiliki parameter land use

Parameterisasi subgrid campuran

Bulk, skema Mellor-Yamada dan MRF

Parameterisasi cumulus

Anthes-Kuo,Grell, Kain-Fritsch, Fritsch and Chappell ,Arakawa Schubert, dan Betts-Miller.

Parameterisasi Radiasi

Broadband atau CCM2

Parameterisasi Kestabilan Presipitasi

Supersaturasi, fisika es,konsentrasi jumlah es ,land surface modul dan 4-D data asimilasi

Contoh fenomena

Siklon,fronts,MCS,gelombang gunung

Eta Model

Nama

Eta Model

Pencipta

Fedor Mesinger

Institusi

NCEP Environmental Modeling Center

Group

NOAA/ NCEP Environmental Modeling Center

Persamaan

Persamaan primitive nonhidrostatik, persamaan hidrostatik

Dimensi

3-D

Grid

Arakawa-E grid secara horisontal, Lorenz grid secara vertikal

Resolusi minimum horisontal

4-10 km

Resolusi vertikal

50 layer,

Model domain

106 x 80 derajat

Inisialisasi

3-D data asimilasi EDAS

Teknik solusi

Waktu: beda waktu ekplisit,forward-backward, gaya coriolis implicit-trapezodial, beda waktu 60 detik,adveksi temperature dan momentum skema Matsuno, ruang tipe Arakawa, adveksi horizontal temperature dan momentum skema Janjic, kekekalan momentum yang berasal dari efek pegunungan skema Smolarkiewicz, adveksi kelembaban horizontal skema Janjic,adveksi vertical momentum dan temperature skema arakawa, skema kopel gravity-wave,

Sistem koordinat

Koordinat eta vertical,koordinat rotasi bola

Boundary lateral

Ekstrapolasi

Top Boundary

Kecepatan vertical eta 0-25 mb

Permukaan Boundary

Topografi, parameter kekasaran orografik tipe Mason, fluks permukaan tipe Monin-Obukhov, fungsi similaritas Paulson, Parameter Zilitinkevich untuk sublayer , skema land-surface, multiplayer land-surface/vegetasi model, input data dengan 12 tipe vegetasi, 9 tipe jenis tanah,albedo musiman,approksimasi linear menurut Mangarella-Brutsaert, fungsi similaritas level-2 Mellor-Yamada, surface fluks air Monin-Obukhov

Parameterisasi subgrid campuran

Vertikal: skema Mellor-Yamada level 2.5.

Horisontal : order dua skema Smagorinsky

Parameterisasi cumulus

Skema Betts-Miller.-Janjic untuk konveksi dangkal dan dalam

Parameterisasi Radiasi

Skema radiasi GFDL

Parameterisasi Kestabilan Presipitasi

Prediksi ekplisit campuran rasio awan cair/es dalam skala grid

Contoh fenomena

Fenomena permukaan, pengaruh transport kelembapan,efek topograpi, siklon tropis, efek vegetasi /transfor air/udara


RAMS

Nama

The Regional Atmospheric Modeling System (RAMS)

Homepage

http://blue.atmos.colostate.edu

Pencipta

Roger A.Pielke,Sr.,W.R.Cotton,C.Tremback,R.L.Walko

Institusi

Colorado State University dan ASTeR Division of Mission Research Corporation

Group

Department of Atmospheric Science/ ASTeR Division of Mission Research Corporation

Persamaan

Persamaan nonhidrostatik, Navier-Stokes,kompresibel

Dimensi

2-D atau 3-D

Grid

Arakawa-C grid.Mendukung nesting, vertikal grid dapat diperbesar

Resolusi minimum horisontal

Tak ada ( memungkinkan hanya 2 cm)

Resolusi vertikal

Tak terbatas pada resolusi vertical

Model domain

Dapat seminimum mungkin pada domain limited-area

Inisialisasi

Interpolasi homogen horizontal dari sounding tunggal dan analisis objektif Barnes dari data tekanan per lapisan, data rawinsonde dan observasi lapangan

Teknik solusi

Teknik penyelesain nilai awal, komponen kecepatan dengan metode beda waktu leapfrog, parameter lain menggunakan beda waktu maju sedang parameter akustik menngunakan teknik time-splitting

Sistem koordinat

Stereograpik polar atau koordinat Cartesian horisontal, dan koordinat vertikal sigma-z

Boundary lateral

Skema Klemp-Wilhelmson ,Skema Klemp-Lilly, Orlanski. Gradien nol,gradient divergensi nol,

Top Boundary

Relaksasi Newtonian

Permukaan Boundary

Teori similaritas menurut Louis ( fluks permukaan momentum,panas, dan uap air),Permukaan grid dibagi menjadi beberapa layer

Parameterisasi subgrid campuran

Skema Smagorinsky-Lily,Mellor-Yamada,Deardorff

Parameterisasi cumulus

Skema Kuo yang dimodifikasi

Parameterisasi Radiasi

Skema Harrington yang menghitung secara khusus sifat-sifat dari:permukaan air, hujan dan higrometeor lainnya. Skema Chen dan Cotton yang memasukan atenuasi awan. Skema Mahrer dan Pielke yang tidak menghitung kondensasi.

Parameterisasi Kestabilan Presipitasi

Proses fisik yang melibatkan:sublimasi,Brownian motion,kondensasi,sedimentasi,tumbukan,pembekuan,evaporasi,thermoporesis,difusi ,rain ,kabut nukleasi homogen droplet awan dan fenomena lainnya.

Contoh fenomena

Badai,tornado,sistem konvektif,sea breeze, konveksi cumulus,aliran turbulensi di sekitar gedung, aliran udara dalam wind tunnel,siklon tropis,simulasi large-eddy, efek perubahan land-use bagi iklim dan cuaca,supersel badai, simulasi aliran udara laboratorium,presipitasi, transport dan dispersi polusi, pergerakan gelombang akustik,

The Topographic Vorticity Model (TVM)

Nama

TVM

Homepage

http://rtmod.ei.jrc.it/thunis/TVM/tvm.html

Pencipta

P.Thunis,G.Schayes,R.Bornstein

Institusi

Joint Research Centre (JRC),Universite Catholique Louvain, San Jose State University

Group

Joint Research Centre

Persamaan

Sistem dasar dinamik menggunakan Navier-Stokes, anelastik, persamaan non hidrostatik.

Dimensi

1-D,2-D atau 3-D

Grid

Arakawa-C grid

Resolusi minimum horisontal

Resolusi minimum dapat mencapai 500 m, tidak ada batasan yang jelas ketika di gunakan dalam simulasi large-eddy

Resolusi vertikal

Tak terbatas pada resolusi vertikal

Model domain

Dapat seminimum mungkin pada domain limited-area

Inisialisasi

Interpolasi homogen horizontal dari sounding tunggal

Teknik solusi

Aproksimasi adveksi menggunakan orde 3 Parabolic Piecewise Method (PPM). Difusi,vortisitas , dan bouyanci didekati oleh FTCS.

Sistem koordinat

Koordinat sigma-z

Boundary lateral

Untuk adveksi, hanya kondisi boundary inflow yang diperhitungkan.Gradien nol untuk kondisi boundary lateral pada semua proses.

Top Boundary

Vortisitas nol, angin horizontal digunakan sebagai angin geostrofik. Damping layer digunakan dilapisan atas untuk menyerap gelombang gravitasi.

Permukaan Boundary

Komponen angin menjadi nol. Momentum fluks permukaan dan uap air dihitung menurut Skema Deardorff dan teori similaritas. Model land-surface IAGL,parameter vegetasi dan variasi hambatan transfer.

Parameterisasi subgrid campuran

Energi turbulen kinetik berdasarkan metode:order 1.5 Skema Therry dan Lacarrere,Skema Duynkerke dan dalam LES memasukan energi turbulensi dan parameter 3-D

Parameterisasi cumulus

Tidak ada

Parameterisasi Radiasi

Shortwave berdasarkan skema Lacis dan Hansen/Stephens.

Longwae berdasarkan Skema Sasamori/Stephens.

Parameterisasi Kestabilan Presipitasi

Parameter mikrofisik Skema Kessler, dengan 5 parameter: air ,hujan,es kristal,salju dan graupel yang digunakan dalam presipitasi konvektif dan menggunakan ukuran grid horisontal kurang dari 2 km.

Contoh fenomena

Sea breeze, angin lembah,sirkulasi pemukiman, mountain-wave,transfort dan difusi polutan, simulasi large-eddy dari lapisan konvektif boundary.

ARPS

Nama

ARPS

Homepage

http://www.caps.ou.edu/ARPS

Pencipta

Ming Hue dan Kelvin Droegemeier

Institusi

University of Oklahoma (School of Meteorology and Center for Analysis and Prediction of Storms)

Group

Nonhydrostatic storm and mesoscale model

Persamaan

Kompresibel, persamaan non hidrostatik.

Dimensi

1-D,2-D atau 3-D

Grid

Arakawa-C grid

Resolusi minimum horisontal

Tak ada batasan jelas tetapi biasanya 1 -2 km

Resolusi vertikal

Fleksibel. Umumnya 5-500 m

Model domain

Fleksibel

Inisialisasi

3-D data real analisis

Teknik solusi

Skema Klemp dan Wilhelmson yang merupakan integrasi waktu ekplisit dengan FCT

Sistem koordinat

Koordinat sigma-z

Boundary lateral

Terdapat beberapa pilihan: zero-gradient,periodik dan dipengaruhi kondisi luar

Top Boundary

Rigid,menyerap atau radiasi gelombang

Permukaan Boundary

Semi-slip lower boundary

Parameterisasi subgrid campuran

Skema Smagorinsky-Lilly, orde 1.5 TKE,

Parameterisasi cumulus

Kain-Fritsch dan Kuo

Parameterisasi Radiasi

Radiasi NASA/GSFC

Parameterisasi Kestabilan Presipitasi

Saturasi grid menggunakan parameter mikrofisik, hujan menggunakan Skema Kessler, enam kategori es menggunakan Skema Lin-Tao dan es menggunakan skemaSchultz.

Contoh fenomena

Semua fenomena musim skala sinotik s.d skala badai, aliran orografik,simulasi ideal badai guruh, squall line dan front.

HOTMAC

Nama

HOTMAC

omepage

http://www.ysasoft.com/ysa

Pencipta

Dr.Ted Yamada

Institusi

Yamada Science dan Art Corporation

Group

Yamada Science dan Art Corporation

Persamaan

inkompresibel, persamaan non hidrostatik. Dan hidrostatik

Dimensi

1-D,2-D atau 3-D

Grid

1-D,80;2-D ,29 x 40;3-D,93 x 64 x 26

Resolusi minimum horisontal

2-D,200 m;3-D,380 m;4 km dan 4 m

Resolusi vertikal

1-D,1 m;2-D,2 m; 3-D, 4m dan 1 m

Model domain

1-D,z=1-10 km;2-D,x=6 km,z=1 km;3-D,x=200 m,y=200 m, z=500 m pilihan lain x=10km 368 m,y=7km 252 m, z=1.3 km 8.4 km

Inisialisasi

4-DDA (empat dimensi data asimilasi)

Teknik solusi

2-d/3-D,ADI (alternating direction implicit),1-D dan Laasonen

Sistem koordinat

Mengikuti ketinggian

Boundary lateral

Persamaan 1-D

Top Boundary

Rigid

Permukaan Boundary

Neraca energi permukaan,lapisan tanah,tutupan lahan vegetasi

Parameterisasi subgrid campuran

Persamaan turbulensi second-moment

Parameterisasi cumulus

Persamaan turbulensi second-moment dengan Gaussian Model

Parameterisasi Radiasi

Skema Sasomori

Parameterisasi Kestabilan Presipitasi

Persamaan untuk rasio campuran uap air dan hujan dan jumlah konsentrasi butiran hujan

Contoh feno

Variasi diurnal PBL, aliran drainase pada pemukiman/topografi yang komplek, turbulensi didalam awan disekitar marine boundary layer, transport tepung sari, perubahan tutupan vegetasi,perubahan tutupan pemukiman

vegetasi.jpg

Sumber (Pielke,1997)

Gambar 1. Menunjukan aplikasi skema kumulus yang digunakan pada skenario vegetasi yang berbeda (atas) vegetasi saat ini (b) vegetasi natural.Dari perbandingan gambar diatas terlihat jelas bagaimana skema konveksi yang sama dan menggunakan parameter yang berbeda akan menghasilkan hasil yang berbeda.


Beberapa sumber tulisan yang sangat layak untuk di pelajari:

Planetary Boundary: a definition

http://www.met.tamu.edu/class/metr452/models/2001/PBLproject.html

LITE Planetary Boundary Layer Measurements:

http://www-lite.larc.nasa.gov/level1doc/phase_c_pbl.html

NWP http://www.meted.ucar.edu

Global Historical Climatology Network, Arizona State University,USA.http://www.cdiac.esd.ornl.gov/ghcn/

Posted in Model Meteorologi | 5 Comments »